2016-2022 All Rights Reserved.平安財經網.復制必究 聯系QQ 備案號:
本站除標明“本站原創”外所有信息均轉載自互聯網 版權歸原作者所有。
郵箱:toplearningteam#gmail.com (請將#換成@)
意大利理工學院(IIT)的研究人員最近提出了一種耦合動力學形式主義和一種利用與人形機器人進行有益互動的新方法。他們的論文預先發布在arXiv上,也提出了許多基于任務的合作伙伴感知技術,用于人形機器人控制。

“機器人正在快速發展,最近的許多發展都是為了解決目前放置機器人的圍欄,使他們更安全地與環境和人們進行身體互動,”Yeshasvi Tirupachuri,其中一位研究人員這項研究告訴TechXplore。
人形機器人的設計與人類相似,體現了擬人的能力,使他們能夠積極參與人類環境。除了確保它們對與外部代理的物理交互作出反應之外,IIT的這個研究團隊還試圖使他們能夠積極地與代理商互動和互動,以實現共同的目標。
“我們認為這種研究方法可以讓機器人在許多任務中更有資源,無論是幫助人類還是增強人類能力,”蒂魯帕丘里說。
意大利理工學院(IIT)目前正在開展一項名為An.Dy的項目,該項目由歐洲委員會資助,旨在加強人機器人和機器人 - 機器人的協作。他們最近的研究工作特別側重于理解和利用人形機器人與外部代理人的物理交互。
“我們研究的主要目標是制定一個通用的數學框架,即一種語言,通過該語言,機器人可以理解其與外部代理的物理交互,以及定義如何利用這些交互來完成任何任務。機器人,“蒂魯帕丘里說。
在他們最近發表的論文中,研究人員提出了一種耦合動力學形式和一種改進與類人機器人相互作用的新方法,以及用于人形機器人控制的新的基于任務的伙伴感知技術。
“機器人是由多個剛體組成的系統,”蒂魯帕丘里解釋說。“管理這種剛體系統的物理定律被封裝在系統的動力學中,有助于理解系統如何在外部影響下及時發展。如果多個代理參與物理交互,個體代理的動態孤立地觀察,不會提供足夠的信息來理解它的系統演變。“
這種限制主要是由于人形機器人的物理相互作用過程中機械耦合的復雜性。研究人員表示,為了更好地理解這些相互作用,他們必須將兩個相互作用系統的動力學結合起來,而不是孤立地考慮。
“我們因此考慮了組合系統的動態,并提出了一種耦合動力學形式,通過它可以在與任何外部因素的物理交互中徹底理解機器人動力學,”蒂魯帕丘里說。“為了實現這一目標,相互作用的動力學也采用數學語言制定,類似于機器人系統,采用剛體假設。”
通常,力 - 扭矩傳感器放置在人形機器人上,使其能夠理解由外部相互作用劑引起的外部擾動。然而,研究人員決定專注于外部代理在與機器人系統接觸時所付出的努力。
蒂魯帕丘里解釋說:“即使在身體上的相互作用下,代理人的努力在很大程度上也是自我管理和自我調節的。” “在剛體系統的假設下,代理人的努力通過聯合扭矩進行定量表示。因此,通過耦合動力學,我們的控制技術使機器人能夠理解與代理人的努力方式之間的外部代理交互是如何發生的。如果有助于實現共同的目標,機器人就會利用這種努力。“
因此,與之前的努力相比,Tirupachuri和他的同事設計的方法旨在增強機器人對其正在與之交互的外部代理的意識。他們的研究可以為更具響應性的人形機器人的開發鋪平道路,這些機器人在涉及人機交互的任務中表現更好。
“我們想象的場景涉及一個人體和人形機器人進行物理交互,”蒂魯帕丘里說。“在未來的工作環境中,這種情況將非常重要,機器人和人類將協作以促進工作空間的”人體工程學“,從而避免危害人類健康的情況。在這種情況下,人類穿著感知的套裝,運行我們團隊開發的一種新算法,用于從人體獲取完整的實時動態和動態信息。“
在對兩個人形iCub機器人進行一般控制框架測試時,研究人員遇到了一系列挑戰,需要充分解決這些挑戰才能推動項目向前發展。
“我們面臨的主要限制是由于iCub手的當前機械設計的某些方面,顯然不能執行任何動力抓握以進行長時間的物理互動,”Tirupachuri說。“我們現在正在開發一種新穎的機械裝置,以克服這個缺點。”
蒂魯帕丘里和他的同事正在研究一種實時人體動態估計系統。一旦該系統完全開發,他們計劃通過運行涉及人類代理和類人機器人的更多實驗來進一步驗證他們的理論。
“我們還處于實驗設計的初始階段,在外骨骼機器人系統上實施我們的方法,這將有助于人類在工業車間設置的裝配線上完成頭頂任務,”Tirupachuri說。“這旨在通過提供符合人體工程學的支持來重復執行任務,從而提高人類的舒適度。”
最后,研究人員還在研究涉及兩個機器人的新物理交互場景 - 例如,將物體放在一起。這些任務帶來了額外的挑戰,因為控制設計需要考慮對象的動態,同時還要考慮兩個機器人的共享自主權以成功實現任務。
2016-2022 All Rights Reserved.平安財經網.復制必究 聯系QQ 備案號:
本站除標明“本站原創”外所有信息均轉載自互聯網 版權歸原作者所有。
郵箱:toplearningteam#gmail.com (請將#換成@)